基于稀疏重构残差和随机森林的集成分类算法

• 作者: 张兴敢 曹冬寅 王琼
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 稀疏表示 图像分类算法 重构算法 随机森林
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: “信号与信息处理”专栏
• 页码范围: 1127-1132
• 页数: 6页
• 分类号: TP181
• 字数: 3312字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2016.06.017

摘要

传统的基于稀疏表示的图像分类算法，通常根据稀疏重构后类残差向量的l2范数得到分类判决。在复杂情况下，各类残差向量l2的范数差别可能并不明显，从而导致分类器作出错误判决。提出了一种基于稀疏表示和随机森林的集成分类方法，通过稀疏表达字典对图像进行重构，提取各类残差图像的l2范数组成特征向量，并引入随机森林进行分类判决，有效地提升了算法基于类残差向量的判决能力。在手写数字数据库 MNIST 上的实验结果表明，在训练样本数较少的情况下，提出的基于稀疏表示和随机森林的集成学习分类方法与目前主流的 SVM分类方法及随机森林方法进行比较，识别率有较为明显的提高，具有良好的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张兴敢	南京大学电子科学与工程学院	100	853	16.0	24.0
2	曹冬寅	南京大学电子科学与工程学院	1	1	1.0	1.0
3	王琼	南京大学电子科学与工程学院	10	17	3.0	3.0